首页 > TAG信息列表 > 近端
论文翻译：2020_RESIDUAL ACOUSTIC ECHO SUPPRESSION BASED ON EFFICIENT MULTI-TASK CONVOLUTIONAL NEURAL NETW
论文翻译：https://arxiv.53yu.com/abs/2009.13931 基于高效多任务卷积神经网络的残余回声抑制 摘要 在语音通信系统中，回声会降低用户体验，需要对其进行彻底抑制。提出了一种利用卷积神经网络实现实时残余回声抑制(RAES)的方法。在多任务学习的背景下，采用双语音检测器作为辅助任论文翻译：2021_AEC IN A NETSHELL: ON TARGET AND TOPOLOGY CHOICES FOR FCRN ACOUSTIC ECHO CANCELLATION
论文地址：https://ieeexploreieee.53yu.com/abstract/document/9414715 Netshell 中的 AEC：关于 FCRN 声学回声消除的目标和拓扑选择 摘要： 声学回声消除(AEC)算法在信号处理中具有长期稳定的作用，其方法可以改善诸如汽车免提系统、智能家居和扬声器设备或网络会议系统等应用的性论文翻译：2018_MULTIPLE-INPUT NEURAL NETWORK-BASED RESIDUAL ECHO SUPPRESSION
论文地址：https://ieeexplore.ieee.org/abstract/document/8461476 基于多输入神经网络的残留回声抑制 摘要 残余回声抑制器（RES）旨在抑制声学回声消除器（AEC）输出中的残余回声。基于频谱的RES方法通常估计来自单个输入的近端语音和残余回声的幅度谱，即远端语音或AEC计算的回声，并据深度学习训练中是否有必要使用L1获得稀疏解
1、近端梯度下降 proximal gradient descent 对于凸优化问题，当其目标函数存在不可微部分（例如目标函数中有 [公式] -范数或迹范数）时，近端梯度下降法才会派上用场 https://zhuanlan.zhihu.com/p/82622940 2、神经网络中使用L1z正则，获取参数的稀疏性 https://zhuanlan.zhihu.com/p/220论文翻译：2020_Residual Acoustic Echo Suppression Based On Efficient Multi-Task Convolutional Neural Netw
论文地址：基于高效多任务卷积神经网络的残余声回波抑制 摘要 回声会降低语音通信系统的用户体验，因此需要完全抑制。提出了一种利用卷积神经网络实现实时残余声回波抑制的方法。在多任务学习的背景下，采用双语音检测器作为辅助任务来提高RAES的性能。该训练准则基于一种新的损失AEC传统算法学习
回声消除 回声信号y(n)：是扬声器播放的信号x(n)又被麦克风采集到的信号，x(n)经过了房间混响，扬声器的播放，麦克风采集之后会包含线性部分y’(n) 和非线性部分y‘’(n)， y(n) = y’(n) + y’’(n) **近端麦克风采集的信号d(n) **：y(n)=s(n) + y(n)+v(n), s(n) 为近端说话人语音信号关于近端梯度下降的理解
近端梯度下降 目标函数 min x Q